Мультимодальное глубокое обучение для оценки деменции при болезни Альцгеймера

Multimodal deep learning for Alzheimer’s disease dementia assessment
Juan E. Small, Rhoda Au, Ludy C. Shih, Ileana De Anda‐Duran, Kathleen L. Poston, Michael Louis Alosco, Hui You, Vijaya B. Kolachalama, Chonghua Xue, Jing Yuan, Thor D. Stein, Shuhan Zhu, Jesse Mez, Sachin Kedar, Yuwei Wang, Brigid C. Dwyer, Shangran Qiu, Matthew I. Miller, Prajakta S. Joshi, Joyce C. Lee, Yunruo Ni, Phillip H Hwang, Justin A. Cramer, Honglin Hao, Michelle C. Kaku, Peter H. Lee, Asim Z. Mian, Daniel L. Murman, Sarah A. O’Shea, Aaron B. Paul, Marie Saint‐Hilaire, Emmett Alton Sartor, Aneeta R. Saxena, Maximilian J. Smith, Arun Swaminathan, Courtney E. Takahashi, Olga D. Taraschenko, Yan Zhou
2022-06-20

болезнь Альцгеймераоценка деменцииинтерпретируемое компьютерное зрениеумеренные когнитивные нарушениямультимодное глубокое обучение
Ежегодно во всем мире регистрируется почти 10 миллионов новых случаев деменции, наиболее распространенной причиной которой является болезнь Альцгеймера (БА). Необходимы новые методы для совершенствования диагностики лиц с когнитивными нарушениями различной этиологии. В данной работе представлен фреймворк глубокого обучения, последовательно выполняющий несколько диагностических этапов для выявления лиц с нормальным когнитивным функционированием (NC), легкими когнитивными нарушениями (MCI), болезнью Альцгеймера (БА) и деменциями, не связанными с болезнью Альцгеймера (nADD). Мы демонстрируем ряд моделей, способных принимать гибкие комбинации обычно собираемой клинической информации, включая демографические данные, анамнез, результаты нейропсихологического тестирования, нейровизуализации и функциональной оценки. Затем мы показываем, что эти фреймворки по диагностической точности сопоставимы с практикующими неврологами и нейрорадиологами. Наконец, мы применяем методы интерпретируемости в компьютерном зрении, чтобы показать, что специфические для заболевания паттерны, выявляемые нашими моделями, отражают различные закономерности дегенеративных изменений в головном мозге и тесно соответствуют наличию нейропатологических поражений, выявленных при аутопсии. Наша работа демонстрирует методологии валидации вычислительных прогнозов с использованием общепринятых стандартов медицинской диагностики.
1
Последовательная система глубокого обучения различает нормальное когнитивное состояние, лёгкие когнитивные нарушения, болезнь Альцгеймера и деменции неальцгеймеровского типа.
2
Интерпретируемость компьютерного зрения выявляет специфичные для заболеваний паттерны дегенерации мозга, тесно соответствующие нейропатологическим поражениям при аутопсии.
3
Диагностическая точность предложенных систем сопоставима или превосходит показатели практикующих неврологов и нейрорадиологов.
4
Модели принимают гибкие комбинации обычно собираемых данных о демографии, анамнезе, нейропсихологических тестах, нейровизуализации и функциональном состоянии.
5
Исследование демонстрирует методы проверки вычислительных диагностических прогнозов по общепринятым стандартам медицинской диагностики.

Лица с нормальным когнитивным функционированием, лёгкими когнитивными нарушениями, болезнью Альцгеймера и деменциями, не связанными с болезнью Альцгеймера

Мультимодальная диагностическая оценка и выявление специфичных для заболевания паттернов нейродегенеративных изменений при этих состояниях когнитивных нарушений и деменции

Publication Details
Publication Date
2022-06-20
Journal
Publisher
ISSN
Cited by
512
Access Type
Author Information
Authors
Juan E. Small
Rhoda Au
Ludy C. Shih
Ileana De Anda‐Duran
Kathleen L. Poston
Michael Louis Alosco
Hui You
Vijaya B. Kolachalama
Chonghua Xue
Jing Yuan
Thor D. Stein
Shuhan Zhu
Jesse Mez
Sachin Kedar
Yuwei Wang
Brigid C. Dwyer
Shangran Qiu
Matthew I. Miller
Prajakta S. Joshi
Joyce C. Lee
Yunruo Ni
Phillip H Hwang
Justin A. Cramer
Honglin Hao
Michelle C. Kaku
Peter H. Lee
Asim Z. Mian
Daniel L. Murman
Sarah A. O’Shea
Aaron B. Paul
Marie Saint‐Hilaire
Emmett Alton Sartor
Aneeta R. Saxena
Maximilian J. Smith
Arun Swaminathan
Courtney E. Takahashi
Olga D. Taraschenko
Yan Zhou
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%